新闻详情

新闻详情

首页 / 资讯中心 / 详情

2026心理学研二实测:AI生成文献综述从「文献堆砌」到一次通过的7天记录

发布时间:2026/11/15 4:16:37来源:尧图网络
2026心理学研二实测:AI生成文献综述从「文献堆砌」到一次通过的7天记录
「这不是文献综述是文献堆砌。」导师在我第三章初稿上画了满页红线2026年3月那个下午我在办公室门口站了五分钟才敢敲门进去。心理学硕士的综述动辄要消化四五十篇文献我自认读得不少写出来却像一份按作者排序的流水账。一句话答案文献综述的灵魂是「按争论焦点和理论脉络组织而不是按作者排队」先把框架立住再谈用什么工具写。为什么会被批「堆砌」回看我的初稿通篇是「张三2021发现……李四2022认为……王五2023指出……」每篇文献各占一段彼此之间没有对话。导师点醒我综述不是文献点名而是呈现一个领域的争论——哪些结论一致哪些互相打架裂缝在哪。没有这条暗线读一百篇也是白读。重建框架按主题聚类我推倒重来把文献按三个主题重新归堆情绪调节的神经机制研究内部有前额叶派和杏仁核派之争。测量方法研究自评量表与生理指标的信度争论。干预效果研究分歧集中在长期效果是否稳定。每个主题下再用PaperRed的文献综述功能生成讨论初稿它按主题而非作者组织段落正好纠正我原来的毛病。AI初稿之后必须人工校验通用AI编造参考文献的事2026年依然常见我室友用ChatGPT生成的综述里有四篇文献查无此文差点酿成大错。我的铁规矩是每条引用都回知网核对原文确认作者、年份、结论三项无误才进正文。全部写完后我用PaperRed的AIGC检测和去AI痕迹功能过了一遍把综述里那股过于工整的机器味降下来。我的7天综述时间账阶段耗时产出主题聚类搭框架2天三大主题框架AI初稿人工改写3天约8000字初稿逐条核对引用1天46篇文献全核实检测与润色1天一次通过补充一个教训主题聚类时我一度贪多分了六组结果每组都浅尝辄止被导师二次打回砍到三组才立住。框架阶段PaperRed给出的聚类建议我只采纳了三分之二剩下的靠和导师逐条讨论定稿。那七天的作息我现在还记得上午搭框架、下午核对原文、晚上改写节奏反而比之前硬憋轻松。工具给的是候选方案拍板的必须是你自己。七天后的二稿导师的批语从「堆砌」变成了「有脉络可以往下走」。综述写不顺的时候先别急着加文献回头看看你的框架是不是还在按作者排队。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉